男性膀胱癌不同疾病分期导管采集尿液微生物组相关数据集
目的:尿液无菌的教条已被推翻,泌尿微生物组的失调与许多泌尿系统疾病有关。我们检验了以下假设:在导管采集尿液、膀胱冲洗液和中段排尿中,患有或不患有膀胱癌的男性之间的尿液微生物组成可能不同,并且可能取决于肿瘤分期

基本信息
资源简介
男性膀胱癌不同疾病分期导管采集尿液微生物组相关数据集
目的:尿液无菌的教条已被推翻,泌尿微生物组的失调与许多泌尿系统疾病有关。我们检验了以下假设:在导管采集尿液、膀胱冲洗液和中段排尿中,患有或不患有膀胱癌的男性之间的尿液微生物组成可能不同,并且可能取决于肿瘤分期
Dataset related to article "The Microbiome of Catheter Collected Urine in Males with Bladder Cancer According to Disease Stage"
【数据集背景】
源站首次发布:2022。
【数据内容】
源站描述(机器翻译,仅供参考):本记录包含与论文《The Microbiome of Catheter Collected Urine in Males with Bladder Cancer According to Disease Stage》相关的原始数据。目的:尿液无菌的教条已被推翻,泌尿微生物组的失调与许多泌尿系统疾病有关。我们检验了以下假设:在导管采集尿液、膀胱冲洗液和中段排尿中,患有或不患有膀胱癌的男性之间的尿液微生物组成可能不同,并且可能取决于肿瘤分期。材料与方法:从男性膀胱癌患者以及性别和年龄匹配的非肿瘤对照中采集液体样本。提取总 DNA 并进行 16S rRNA 基因测序。进行微生物分类的生物信息学分析,以评估多样性和变异。结果:与膀胱癌相关的尿液微生物组
【主题与分类】
主题标签:膀胱癌、尿液微生物组、16S rRNA测序、肿瘤分期、男性、导管采集尿液。本站分类:肿瘤。
【获取与许可】
源站页面:https://zenodo.org/record/5947497
使用许可:Restricted Access。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5281/zenodo.5947497
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
本记录包含与文章《根据疾病分期,男性膀胱癌患者导尿管收集尿液的微生物组》相关的原始数据。目的:尿液无菌的教条已被推翻,泌尿微生物组的生态失调与许多泌尿系统疾病有关。我们检验了以下假设:在导尿管收集的尿液、膀胱冲洗液和中段排尿中,患有或不患有膀胱癌的男性之间的尿液微生物组成可能不同,并且可能取决于肿瘤分期。材料与方法:从男性膀胱癌患者以及性别和年龄匹配的非肿瘤对照组中收集液体样本。提取总DNA并进行16S rRNA基因测序。进行微生物分类的生物信息学分析,以评估多样性和变异。结果:与对照组相比,膀胱癌患者导尿管收集尿液样本相关的泌尿微生物组特征为Veillonella(p=0.04)和Corynebacterium(p=0.03)的丰度显著增加,以及Ruminococcus(p=0.03)的减少,且这些差异随着疾病进展而加剧。
与导尿尿液相比,膀胱癌冲洗液显示某些菌群特异性增加,如伯克霍尔德菌科(p=0.014),而中段尿则富含链球菌(p<0.0001)、肠球菌(p<0.0001)、棒状杆菌(p=0.038)和梭杆菌(p<0.0001)。结论:膀胱内有内源性细菌定植,微生物改变是膀胱癌患者微生物组特征。不同的微生物组成可通过改变采样策略来表征。这些结果为基于细菌群落调控探索新的诊断和治疗方案铺平了道路。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




